面向目标跟踪的传感器网络睡眠调度协议*

王 楷，任 静，熊庆宇，张志强

（重庆大学自动化学院，重庆 400030）

0 引言

目标跟踪是无线传感器网络的重要应用之一，传感器节点具有体积小、价格低、布撒容易等优点，但是由于其能量有限［1］，影响到许多应用的生命周期，因此，减少节点能耗是在设计目标跟踪算法时首要考虑的因素。目前，很多睡眠调度策略［2］已经广泛地应用于无线传感器网络中，可以大大地节省能耗，然而，现有的睡眠调度协议［3，4］没有考虑到目标跟踪应用的实际要求，直接应用到目标跟踪任务中不仅不能降低能耗［5］，而且还会导致目标跟踪质量退化。

为了能在能量有效性和跟踪质量之间做出平衡［6］，本文提出一种面向目标跟踪的传感器网络睡眠调度协议（sleep scheduling protocol for target tracking in sensor networks，TTSSP），本算法将所有的传感器节点分为侦测、通信、跟踪、睡眠4个状态，针对不同的节点分配不同的几种状态，各个节点在不同的状态之间进行转换。在初始状态整个监控区域没有目标时，监控区域节点按照目标跟踪前的节点调度;当有目标进入监控区域时，节点调度进入跟踪调度策略，边界簇头节点转入跟踪状态，其他节点以一定的周期在睡眠和通信状态之间进行切换，等待被唤醒;当目标发生意外丢失时，则进入目标丢失时的节点调度策略。TTSSP在降低跟踪能耗的同时能够很好地保证跟踪质量。

本文首先从能耗入手，更加细致地划分了不同节点各个跟踪节点的工作模式，提出能量有效的睡眠调度机制，平衡跟踪质量和能耗之间的需求;其次根据目标跟踪的不同节点来决定节点的睡眠机制，使整个网络的传感器节点合理地协同工作;最后Matlab仿真软件验证了所提出的算法，实验表明:TTSSP在降低跟踪能耗的同时能够很好地保证跟踪质量。

1 网络模型

1.1 基本前提条件

监控区域内只有一个移动目标进入，或者是一个接一个，不存在同时有2个目标在监控区域内的情况［7］;监控区域完全被节点覆盖，节点的感知区域是以R为半径的圆形区域，节点的感知区域和通信半径相等，节点自身位置是已知的，可以通过GPS或者定位算法计算得到［8］;只要能有节点能够感知到目标节点，便可以利用加权定位算法计算得到目标的位置［9］;各个节点的时钟同步。

1.2 网络体系结构

监控区域被划分为若干个虚拟单元格，每个节点根据其地理位置信息划入相应的单元格，每个虚拟单元格称为一个簇，处于监控区域边界的簇称为边界簇。如图1所示，可以将整个监控网络内的节点分为三类，即边界簇头节点，负责感知监控区域是否有目标出现;簇头节点，目标来临后负责目标定位和调度其簇内节点;簇内节点，负责跟踪目标。

图1 监控网络模型Fig 1 Model of monitoring network

在TTSSP，所有节点的工作状态分为侦测、通信、跟踪、睡眠4个状态，侦测状态指感知模块和计算部件处于工作状态;通信状态则是指无线通信模块和计算部件处于激活状态;跟踪状态指传感器节点所有模块都工作;睡眠状态指节点所有模块都关闭，但是节点可以通过定时器激活。各个模式之间的转换如图2所示。

图2 TTSSP各个状态之间转换示意图Fig 2 Diagram of converting between each state of TTSSP

2 基于睡眠调度的目标跟踪算法TTSSP

2.1 目标跟踪前的节点调度

在整个监控网络布置完成后，只有边界簇头节点处于侦测状态，因此，可以保证整个监控区域的边界都覆盖到，当没有检测到目标进入时，为了保证整个网络的能量均衡性，延长整个网络的生命周期，必须保证边界簇内的节点均衡地成为簇头节点，边界簇内的所有节点通过定时器会周期性地醒来，根据判断到剩余的能量来确定边界簇头节点。

当目标没有到达监控区域时，在一个网格内所有的簇头节点和其簇内节点处于睡眠状态，通过自身的定时器固定时间唤醒，转入通信状态，若收到跟踪任务时，簇头节点或者簇内节点立即转入跟踪状态，若没收到消息则转入睡眠状态。要保证一个网格内有节点处于通信状态，跟踪任务到达时有节点加入跟踪任务，在设定节点定时器时要设定不同的周期使一簇内的节点交替醒来，而不是统一醒来或者睡眠。

2.2 跟踪目标时的节点调度

当边界簇头节点检测到目标出现时，首先将自身状态转变为跟踪状态，并不断广播唤醒信号至一跳内的所有节点，所有处于侦测状态的节点收到边界簇头节点发送的信号后，立即将自身状态转变为跟踪状态，并利用基于感知信号强度的加权定位算法对目标的位置进行计算，同时邻居簇头节点收到信息后转发相同信号唤醒其簇内的节点，准备进行目标跟踪。

当前簇头节点根据其簇内节点计算得到的目标的位置信息对目标轨迹进行预测，本文采用基于最小二乘法多项式拟合方法预测出来目标将要进入的区域，当前簇头将此信息发送给邻居簇头，邻居簇头计算自己是否在监测区域内，若在将自身状态转变为跟踪状态并发送唤醒信号到其簇内节点。由于目标的机动特性差别很大，当目标的运动速度比较低时，由距离目标较近的节点发射唤醒信号，目标高速运动时，由距离较远的节点发射，以便唤醒更远处的节点。这样就避免了目标已经高速通过当前簇，丢失目标的情况。

当目标由当前簇所在区域进入下一区域后，当前簇内节点感知目标信号强度值将会变得很弱，每个传感器节点根据自身感知到的目标信号强度值来确定自身是否转入睡眠状态，具体感知信号强度模型如公式（1）所示

式中s为目标信号源的强度;α为信号强度的衰减指数（α约等于2）;di（t）为t时刻节点i与跟踪目标之间的距离;ni～N（0，σ2）为测量噪声，可近似为高斯白噪声，具体方法如式（2）、式（3）和式（4）所示

式中temp为节点i在t+1时刻与t时刻感知信号强度之间的差值，limT为设定的固定门限值，当节点i在t时刻满足式（3）和式（4）时，就可以转入睡眠状态。

2.3 目标丢失时的节点调度策略

由于移动目标的运动速度、方向存在一定程度的误差，在预测时间内，目标的一些运动特性可能会突然发生较大的改变，致使目标离开当前的监控区域，这种现象称为目标丢失，为了能够快速地重新跟踪到目标，提出了一种有效的目标恢复机制。

目标丢失检测:被唤醒的节点检测到目标时会向前一监控节点发送确认消息，否则，在一周期内没有发现目标则自动进入睡眠状态，如果前一监控节点在规定时间内没有收到唤醒节点发送的确认消息，则表明目标丢失，启动目标恢复机制。

目标恢复:目标恢复分为2个过程，首先当前跟踪簇泛洪命令唤醒簇内所有节点搜索其监测范围内的所有目标信息，所有当前簇内节点在一个周期内上传其检测信息，若当前簇头节点监测到移动目标，则休眠不相关节点继续进行跟踪;若没有发现目标说明移动目标已经离开当前簇，当前簇头节点休眠其簇内节点，并且泛洪消息到一跳范围的相邻的簇头节点，相邻簇头节点再启动搜索任务。

2.4 TTSSP 整体流程

1）网络初始化，只有边界簇头节点处于感知状态，其他节点睡眠;

2）当目标进入网络，开始目标跟踪;

If{成功跟踪目标}

{目标所在边界簇头节点称为跟簇头，对目标进行定位，预测其轨迹;发送预测结果至邻居簇，唤醒邻居簇内节点继续跟踪;前一簇内节点根据感知信号强度决定是否睡眠;}

else{目标丢失，启动目标恢复机制}

3 仿真实验

本节对TTSSP协议进行仿真实验。仿真场景的基本设置为400个节点随机分布在100 m×100 m的二维监控平台，节点的传输半径R=30m，目标信号源强度s=100，信号强度随距离衰减指数α=2，噪声分布ni～N（0，σ2），目标做直线运动，其中，v=10 m/s，a= ±costm/s2。仿真分别对TTSSP、基于预测的目标跟踪算法（PT）［10］和基于两阶段睡眠调度的目标跟踪协议（TSSTP）［11］进行了10次仿真，跟踪性能对比图如图3～图5所示，图中的数据为对应参数10次仿真所得结果的平均值。

图3显示了感知信号强度检测阈值和目标运动速度对目标发现概率的影响。监测阈值的大小和平均发现概率呈反比，即检测阈值小，就会有更多的感知信号强度节点被唤醒，然而阈值过小会导致过多的节点参与跟踪任务，网络中的冗余信息增加，不利于网络的均衡性。发现概率是和移动目标的速度呈反比，从图3中可以看出:在一定的速率内，本文提出的睡眠调度机制未对系统性能带来过多的影响。

图3 检测阈值、速度对发现概率的影响Fig 3 Influence of detection threshold and speed on discovery probability

图4比较了TTSSP与另外一个比较好的睡眠调度协议TSSTP以及一般的基于预测的跟踪算法PT的能量消耗情况。图中可以明显看到TTSSP算法的优越性。TSSTP将节点的跟踪调度分为2个阶段，PF算法没有引入睡眠调度机制。实验结果表明:本文算法和TSSTP算法相对于PT算法能量消耗大大降低，因为二者都引入了较好的节点调度机制。但是，TSSTP算法由于在目标经过后没有及时地休眠感知信号强度小的节点，所以，能量消耗稍高于TTSSP算法。

图4 三种算法能耗比较Fig 4 Energy consumption comparison of three algorithms

图5比较了PT，TTSSP和TSSTP三种算法的跟踪成功率。从图中可以明显看出:随着时间的增长，三种算法的跟踪成功率相差不多，但是，TTSSP和TSSTP在刚开始的时候，由于采用了睡眠调度机制，只有少部分或者没有节点处于侦测状态，跟踪成功率相对于PT算法来讲都比较低，但是由于TSSTP在刚开始的时候所有的节点都是处于睡眠状态，所以，不能成功地检测到目标的出现。本文算法在跟踪网络开始时，边界簇头节点是处于侦测状态的，所有的边界簇头节点能够覆盖到整个区域，所以，跟踪成功率提高了40%，并且TTSSP更加节省能量。

图5 三种算法跟踪成功率比较Fig 5 Successful tracking rate of three algorithms

4 结论

为了在保证跟踪质量的同时减少系统能耗，本文分别对目标跟踪前和目标跟踪过程中进行了节点睡眠调度，另外，当跟踪目标丢失时能够动态地调度节点。为了提高协议的性能，提高能量利用率，进一步从休眠特定节点和节点预测角度进行了优化。

最后在Matlab 7.0实验仿真平台上对所提出的协议进行仿真。实验结果表明:本文所提出的睡眠调度机制能够在保证跟踪质量的同时大幅度降低能耗，与没有引入睡眠调度的跟踪算法相比，本文算法能降低1倍的能耗。

［1］胡湘华，杨学军.传感网节点调度方法综述［J］.计算机工程与科学，2008，30（3）:93 －96.

［2］任倩倩，李建中，李金宝，等.无线传感器网络中一种能源有效的移动对象跟踪方法［J］.通信学报，2009，30（4）:50－59.

［3］Huang C F，Lee H W，Kuo S P，et al.Location tracking in a wireless sensor networks by mobile agents and its data fusion strategies［J］.The Computer Journal，2004，47（4）:448 － 460.

［4］Lee W C，Xu Y.On localized prediction for power efficient object tracking in sensor networks［C］//Proceedings of the 23rd International Conference on Distributed Computers Systems Workshops，2003:434－439.

［5］Jiang Bo，Han Kai，Ravindran B.Energy efficient sleep scheduling based on moving directions in target tracking sensor network［J］.IEEE Journal on Selected Areas in Communications，2008，17（8）:1426－1438.

［6］Wang Guojun，Wang Huan，Cao Jiangnong.Energy-efficient dual prediction based data gathering for environmental monitoring applications［C］// IEEE Communication Society Subject Matter Experts for Publication in the WCNC 2007 Proceedings，2007:3516－3521.

［7］孙焕平，周宗锡，何建华，等.一种面向目标跟踪的无线传感器网络分簇算法［J］.传感器与微系统，2010，29（5）:125－127.

［8］申兴发，李鸿斌，赵 军，等.面向目标跟踪的传感网络分布式组管理机制［J］.仪器仪表学报，2007，28（6）:966 －972.

［9］Lin K W，Hsieh Ming Hua，Tseng V S.A novel prediction-based strategy for object tracking in sensor networks by mining seamless temporal movement patterns［J］.Expert Systems with Applications，2010，37:2799 －2807.

［10］邓克波，刘 中.基于无线传感器网络动态簇的目标跟踪［J］.兵工学报，2008，29（10）:1197－1202.

［11］任倩倩，李建中，高 宏，等.传感器网络中一种基于二级睡眠调度的目标跟踪协议［J］.计算机学报，2009，32（10）:1971－1979.